Everywhere 深度分析报告

GitHub: https://github.com/DearVa/Everywhere

一句话总结

复旦背景开发者打造的屏幕上下文感知桌面 AI 助手，通过 OS 级 Accessibility API 获取结构化 UI 元素树（非截图 OCR），让 AI 真正「看到」并「操控」桌面——在 Electron 聊天框泛滥的赛道中以原生 C# + 系统级集成独树一帜。

值得关注的理由

屏幕感知是唯一差异化：通过 Windows FlaUI / macOS AXUIElement / Linux AT-SPI 获取结构化 UI 树，比截图 OCR token 效率高 10 倍+，且保留语义结构
Token-Budget-Aware 树序列化：专为 LLM 设计的 Best-First Search 算法，智能裁剪 UI 树到 token 预算内
C# 在 AI 领域的少见实践：.NET 10 + Avalonia + Semantic Kernel，证明 C# 生态在 AI 桌面应用中的可行性

项目展示

「Every moment, Every place. Your AI - Everywhere」——在任何应用中按快捷键即可唤起 AI 助手。

项目画像

维度	数据
GitHub	https://github.com/DearVa/Everywhere
Star / Fork	5,757 / 342
代码行数	78,186（C# 56.8%, AXAML 7.1%, I18N 资源 32.8%）
项目年龄	10.4 个月（2025-04-23 创建）
开发阶段	快速迭代打磨期（v0.6.7，50 个版本，~6 天/版本）
贡献模式	单人主导 + 小团队（DearVa 72%, 10 位贡献者）
热度定位	中等热度（5.7K stars），Product Hunt #8 日榜
质量评级	代码[优秀] 文档[中等] 测试[较弱]

作者视角：为什么存在这个项目

创始人/作者背景

DearVa（Dear.Va），复旦大学背景，Sylinko Inc. 创始人/核心开发者。深度 C# / .NET / Avalonia 开发者，fork 过 Avalonia 主仓库贡献代码，另有 LiveMarkdown.Avalonia（110 stars）项目。880/1,219 commits（72%），以深夜+周末开发为主（21:00-01:00 高峰，周末提交量远超工作日），典型的激情驱动项目。

问题判断

桌面 AI 助手的核心瓶颈不是模型能力，而是「输入管道」——用户必须手动把屏幕信息搬运给 AI（截图、复制、粘贴）。这是一个 UI 自动化领域的人去做 AI 产品 的典型路径：从 accessibility API 专长出发，看到了 LLM 缺乏的「眼睛」。

解法哲学

不做浏览器插件或 Electron 包装器，而是直接调用操作系统级别的 UI Automation API，将屏幕上的 UI 元素树结构化为 XML 注入 LLM prompt。这是「结构化视觉」而非「截图 OCR」的路线——token 效率更高，语义保真度更好，且能反向操控 UI 元素（Click、SetText、SendKey）。

战略意图

BSL-1.1 许可证 + Sylinko Inc. 公司背景 + 302.AI 赞助 + Cloud 模块（OAuthCloudClient）已就位，暗示商业化路线。50 个版本的密集迭代表明这不是业余项目。长期可能提供付费同步/托管服务或企业版。

核心价值提炼

创新之处

结构化屏幕感知（IVisualElement 跨平台抽象）（新颖度 5/5 | 实用性 5/5 | 可迁移性 3/5）通过 OS Accessibility API 获取 UI 元素树，转换为结构化 XML 注入 prompt。三个平台实现完全不同：Windows FlaUI（UI Automation 3.0）、macOS AXUIElement（P/Invoke）、Linux AT-SPI（D-Bus）。将 30+ 种 UI 元素类型（Label/Button/TextEdit/Document/Panel/Screen 等）统一到一个接口下，是整个项目最有技术含量的抽象。
Token-Budget-Aware Best-First Search 树序列化（新颖度 5/5 | 实用性 5/5 | 可迁移性 5/5） VisualTreeBuilder 不是简单 DFS/BFS，而是用优先级队列做智能裁剪。评分公式 FinalScore = -(TopologyScore × IntrinsicScore)，拓扑分考虑方向和距离，类型权重区分文本（2.0x）/容器（1.5x）/交互（1.0x）/装饰（0.5x）。5 档 token 预算（1024~无限）。超出预算的分支标记 omitted，LLM 可通过 get_visual_tree 按需展开——模拟人类「先扫一眼再仔细看」的认知模式。
execute_visual_actions UI 操控自动化（新颖度 4/5 | 实用性 5/5 | 可迁移性 2/5）不只是「看」还能「做」——Click、SetText、SendKey、Wait 组成动作队列，LLM 直接操控桌面 UI 实现端到端任务自动化。配合细粒度权限系统（8 级 flags），高风险操作需用户确认。
Subagent 模式（新颖度 3/5 | 实用性 4/5 | 可迁移性 4/5） EssentialPlugin.RunSubagentAsync 允许 AI 启动子代理处理复杂多步任务，子代理共享工具但禁止递归调用（防无限递归）。桌面级 AI 代理中少见的设计。
Source Generator 驱动的配置和 I18N（新颖度 3/5 | 实用性 5/5 | 可迁移性 4/5）编译时生成 Settings UI 绑定代码和强类型 i18n key，消除运行时反射和字符串魔法。12 种语言持续更新，I18N 资源变更 1,187 次。

可复用的模式与技巧

IVisualElement 跨平台抽象：将三种 OS accessibility API 统一到一个接口下，适用于任何跨平台 UI 感知项目
Token-Budget Tree Serialization：给定 token 预算，用优先级队列 BFS 序列化树结构。可复用于代码 AST、DOM 树、文件系统等任何「大结构送入 LLM」的场景
KernelMixin 策略 + 工厂模式：统一 5+ LLM 提供商的适配层，Schema 枚举 + 工厂方法 + 缓存
BuiltIn + MCP 双轨插件系统：原生插件提供核心能力 + MCP 插件提供可扩展性，共享 ChatPlugin 基类
Watchdog 进程管理：独立守护进程 + Named Pipe RPC 管理外部进程生命周期

关键设计决策

结构化 XML 而非截图 OCR：UI 元素树的 token 效率远高于图片描述，且保留了语义结构（按钮是按钮、文本是文本）。代价是依赖 Accessibility API 的完整性——某些应用的 accessibility 支持不佳会导致感知能力下降。
Avalonia 而非 Electron：原生 .NET 运行时，内存占用和启动速度优于 Electron。代价是 Avalonia 生态不如 Web 前端丰富，需要自行修补框架缺陷（Everywhere.Patches）。
BSL-1.1 许可证：允许非商业使用，限制竞争性商业使用。保护了商业化空间，但可能抑制社区贡献意愿。

竞品格局与定位

竞品对比矩阵

维度	Everywhere	5ire (5.1K)	Witsy (1.9K)	PyGPT (1.7K)	MS Copilot
技术栈	.NET + Avalonia	Electron	Electron	Python	系统内置
屏幕感知	Accessibility API 结构化	无	无	截图 OCR	系统级
UI 操控	FlaUI/AX/AT-SPI	无	无	无	系统级
MCP 支持	stdio + HTTP/SSE	有	无	无	无
多 LLM	8+ 提供商	多家	多家	多家	GPT-4o
跨平台	Win + Mac (Linux WIP)	全平台	全平台	全平台	Windows
许可证	BSL-1.1	AGPL-3.0	Apache-2.0	Apache-2.0	商业

差异化护城河

技术壁垒：三套 OS accessibility API 实现 + token-aware 树序列化算法，不是可以快速复制的特性
原生性能优势：.NET + Avalonia 的内存和启动性能优于 Electron 方案
系统级集成深度：不只是「对话框」，而是能看到并操控桌面 UI 的 AI 代理

竞争风险

BSL-1.1 许可证可能限制社区贡献意愿
Linux 支持仍在进行中，macOS 支持刚落地（v0.6.0）
Microsoft Copilot / Apple Intelligence 等系统级方案如果持续进化，将压缩第三方桌面 AI 助手的生存空间

生态定位

在桌面 AI 助手赛道中占据「系统级 AI 代理」的独特位置——介于纯聊天工具（5ire/Witsy）和系统级方案（Copilot/Apple Intelligence）之间。对于不满足于聊天框但又需要多 LLM 选择自由的开发者和高级用户，Everywhere 是目前最佳开源选择。

套利机会分析

信息差: 高。中国开发者作品（复旦背景），Product Hunt 有曝光但中文技术社区深度分析极少。屏幕感知的技术创新角度和 C# AI 技术栈角度都适合科普
技术借鉴: (1) Token-Budget Tree Serialization 算法可用于任何「大结构送入 LLM」的场景（代码 AST、DOM 树）；(2) IVisualElement 跨平台抽象是 Accessibility API 工程化的最佳参考；(3) BuiltIn + MCP 双轨插件系统设计精巧
生态位: 唯一具备结构化屏幕感知的开源桌面 AI 助手
趋势判断: 爆发期已过（2025-10/11 月峰值），进入稳定增长阶段（月均 200+ stars）。长期价值取决于 macOS/Linux 支持的成熟度和商业化路径的清晰化

风险与不足

测试覆盖极弱：仅 4 个测试文件覆盖工具类，核心 Chat/AI/Plugin 逻辑无单元测试。对于日均 3.9 次提交的项目来说，测试债务严重
单人关键依赖：DearVa 贡献 72% commits，bus factor 极低
BSL-1.1 许可证：限制商业使用，可能抑制社区贡献和企业采用
Linux 支持不完整：X11 基础支持已有，但 Wayland 和全功能覆盖仍在进行中
Accessibility API 依赖：某些应用的 accessibility 支持不佳会导致感知能力下降（尤其是游戏、自绘 UI 的应用）
40GB 虚拟内存问题（#92）虽已修复，但暗示 .NET 运行时的内存管理仍需持续关注
文档仍在开发中：官方文档站标注 “Document is in development”

行动建议

如果你要用它: Windows 体验最完整，macOS 刚落地（v0.6.0+），Linux 仍在开发中。从 GitHub Releases 下载安装包，配置任意 LLM 提供商的 API Key 即可开始。核心体验是在任何应用中按快捷键唤出 AI 助手
如果你要学它: 重点关注 src/Everywhere.Core/Interop/IVisualElement.cs（跨平台屏幕感知核心抽象）、src/Everywhere.Core/Chat/VisualTreeBuilder.cs（Token-Budget Best-First Search 树序列化算法）、src/Everywhere.Core/AI/KernelMixinFactory.cs（多 LLM 适配策略模式）、src/Everywhere.Windows/Interop/（FlaUI UI 自动化集成）
如果你要 fork 它: (1) 补充核心模块的单元测试（ChatService、VisualTreeBuilder、Plugins）；(2) 完善 Linux Wayland 支持；(3) 考虑从 BSL-1.1 转为 AGPL 以扩大社区参与

知识入口

资源	链接
DeepWiki	deepwiki.com/DearVa/Everywhere
官方网站	everywhere.sylinko.com
Product Hunt	producthunt.com/products/everywhere
YouTube 预告	youtu.be/BGujYa5hbXo
Discord	社区群组（链接见 README）
Zread.ai	未收录
关联论文	无
在线 Demo	无（桌面应用，需本地安装）